論文の概要: Reliable and superior elliptic Fourier descriptor normalization and its application software ElliShape with efficient image processing

• arxiv url: http://arxiv.org/abs/2412.10795v1
• Date: Sat, 14 Dec 2024 11:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:55:26.807110
• Title: Reliable and superior elliptic Fourier descriptor normalization and its application software ElliShape with efficient image processing
• Title（参考訳）: 高速画像処理による高信頼かつ優れた楕円型フーリエ記述子正規化とその応用ソフトウェアElliShape
• Authors: Hui Wu, Jia-Jie Yang, Chao-Qun Li, Jin-Hua Ran, Ren-Hua Peng, Xiao-Quan Wang,
• Abstract要約: 計算効率を向上させるため,EFD計算の手順を見直した。 我々は、真のEFD正規化と呼ばれる新しいEFD正規化手法を導入した。 これらの改良に基づき,ユーザフレンドリなソフトウェアであるElliShapeを開発した。
• 参考スコア（独自算出の注目度）: 8.221628495236121
• License:
• Abstract: Elliptic Fourier analysis (EFA) is a powerful tool for shape analysis, which is often employed in geometric morphometrics. However, the normalization of elliptic Fourier descriptors has persistently posed challenges in obtaining unique results in basic contour transformations, requiring extensive manual alignment. Additionally, contemporary contour/outline extraction methods often struggle to handle complex digital images. Here, we reformulated the procedure of EFDs calculation to improve computational efficiency and introduced a novel approach for EFD normalization, termed true EFD normalization, which remains invariant under all basic contour transformations. These improvements are crucial for processing large sets of contour curves collected from different platforms with varying transformations. Based on these improvements, we developed ElliShape, a user-friendly software. Particularly, the improved contour/outline extraction employs an interactive approach that combines automatic contour generation for efficiency with manual correction for essential modifications and refinements. We evaluated ElliShape's stability, robustness, and ease of use by comparing it with existing software using standard datasets. ElliShape consistently produced reliable reconstructed shapes and normalized EFD values across different contours and transformations, and it demonstrated superior performance in visualization and efficient processing of various digital images for contour analysis.The output annotated images and EFDs could be utilized in deep learning-based data training, thereby advancing artificial intelligence in botany and offering innovative solutions for critical challenges in biodiversity conservation, species classification, ecosystem function assessment, and related critical issues.
• Abstract（参考訳）: 楕円フーリエ解析(EFA)は形状解析の強力なツールであり、幾何学的形態計測によく用いられる。 しかし、楕円フーリエディスクリプタの正規化は、基本的な輪郭変換においてユニークな結果を得る上で、広範囲な手動アライメントを必要とする課題を絶えず提起している。 さらに、現代の輪郭/アウトライン抽出法は複雑なデジタル画像を扱うのに苦労することが多い。 ここでは、計算効率を向上させるために、EFD計算の手順を再構築し、すべての基本輪郭変換の下で不変である真のEFD正規化と呼ばれる、EFD正規化の新しいアプローチを導入した。 これらの改良は、異なるプラットフォームから収集された多数の輪郭曲線を様々な変換で処理するために重要である。 これらの改良に基づき,ユーザフレンドリなソフトウェアであるElliShapeを開発した。 特に、改良された輪郭/アウトライン抽出では、効率向上のための自動輪郭生成と、本質的な修正と改良のための手動補正を組み合わせた対話的なアプローチが採用されている。 ElliShapeの安定性、堅牢性、使いやすさを、標準データセットを用いて既存のソフトウェアと比較することで評価した。 ElliShapeは、さまざまな輪郭や変換にまたがる信頼性の高い再構成形状と正規化EFD値を一貫して生成し、様々なデジタル画像の可視化と効率的な処理において優れた性能を示し、その出力アノテート画像とEFDを深層学習に基づくデータトレーニングに活用し、植物学における人工知能の進歩と、生物多様性の保全、種分類、生態系機能評価、関連する重要な課題に対する革新的なソリューションの提供を可能にした。

関連論文リスト

• Stable Flow: Vital Layers for Training-Free Image Editing [74.52248787189302]
  拡散モデルはコンテンツ合成と編集の分野に革命をもたらした。 最近のモデルでは、従来のUNetアーキテクチャをDiffusion Transformer (DiT)に置き換えている。 画像形成に欠かせないDiT内の「硝子層」を自動同定する手法を提案する。 次に、実画像編集を可能にするために、フローモデルのための改良された画像反転手法を提案する。
  論文  参考訳（メタデータ） (2024-11-21T18:59:51Z)
• $R^2$-Mesh: Reinforcement Learning Powered Mesh Reconstruction via Geometry and Appearance Refinement [5.810659946867557]
  Neural Radiance Fields (NeRF)に基づくメッシュ再構成は、コンピュータグラフィックス、仮想現実、医療画像などの様々なアプリケーションで人気がある。 マルチビュー画像からメッシュを段階的に生成し,最適化する新しいアルゴリズムを提案する。 本手法は,メッシュレンダリングの品質と幾何学的品質の両方において,高い競争力とロバストな性能を提供する。
  論文  参考訳（メタデータ） (2024-08-19T16:33:17Z)
• Efficient Visual State Space Model for Image Deblurring [83.57239834238035]
  畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。 本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。
  論文  参考訳（メタデータ） (2024-05-23T09:13:36Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• FreeCOS: Self-Supervised Learning from Fractals and Unlabeled Images for Curvilinear Object Segmentation [7.078356641689271]
  本稿では, フラクタルや未ラベル画像から頑健で独特な特徴を学習する自己教師型カービリニアオブジェクトセグメンテーション法を提案する。 主な貢献は、新しいフラクタル-FDA合成(FFS)モジュールと幾何情報アライメント(GIA)アプローチである。 GIAは、与えられたピクセルの強度次数と近隣のピクセルの値を比較することで、合成画像とラベルなし画像の強度差を低減する。
  論文  参考訳（メタデータ） (2023-07-14T09:38:08Z)
• NaturalInversion: Data-Free Image Synthesis Improving Real-World Consistency [1.1470070927586016]
  実データを用いずに元のデータ分布とよく一致した画像を合成する新しいモデル逆変換法であるNaturalInversionを紹介する。 我々の画像は、視覚化と追加分析による以前の作業よりも、元のデータ分布に一貫性があることが示される。
  論文  参考訳（メタデータ） (2023-06-29T03:43:29Z)
• Multi-View Object Pose Refinement With Differentiable Renderer [22.040014384283378]
  本稿では,合成データの学習方法の改善に焦点をあてた,新しい多視点6 DoFオブジェクトポーズ改善手法を提案する。 これはDPOD検出器に基づいており、各フレーム内のモデル頂点と画像画素との間の密度の高い2D-3D対応を生成する。 合成および実データに基づいて訓練された最先端の手法と比較して優れた性能を報告した。
  論文  参考訳（メタデータ） (2022-07-06T17:02:22Z)
• Retrieval-based Spatially Adaptive Normalization for Semantic Image Synthesis [68.1281982092765]
  本稿では,Retrieval-based spatially AdaptIve normalization (RESAIL) と呼ばれる新しい正規化モジュールを提案する。 RESAILは、正規化アーキテクチャに対するピクセルレベルのきめ細かいガイダンスを提供する。 いくつかの挑戦的なデータセットの実験により、RESAILは定量的メトリクス、視覚的品質、主観的評価の観点から、最先端技術に対して好意的に機能することが示された。
  論文  参考訳（メタデータ） (2022-04-06T14:21:39Z)
• FeatMatch: Feature-Based Augmentation for Semi-Supervised Learning [64.32306537419498]
  本稿では,複雑な変換を多様に生成する特徴量に基づく改良・拡張手法を提案する。 これらの変換は、クラスタリングを通じて抽出したクラス内およびクラス間の両方の情報も利用します。 提案手法は,大規模データセットにスケールアップしながら,より小さなデータセットに対して,現在の最先端技術に匹敵するものであることを実証する。
  論文  参考訳（メタデータ） (2020-07-16T17:55:31Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。